L’arma degli algoritmi

Analisi del cambiamento dei processi decisionali e dei modelli strategici. Gli algoritmi possono diventare lo strumento con cui rendere più efficiente l’attività dei venture capitalist

Potrete chiedere a chiunque nel mondo del VC e la risposta sarà sempre la stessa. È tutta una questione di tempismo. Essere nel posto giusto al momento giusto. Nel mondo dei VC, basta anche solo un investimento giusto per diventare grandi, ma il problema è che non capita molto spesso la scelta fortunata. William Hambrecht, leggendario venture capitalist che ha fatto i primi investimenti in Apple e Google, ha detto che le probabilità di un grande successo sono di una su 10: «Soltanto pochi riusciranno, mentre tutti gli altri andranno incontro a notevoli perdite».
Ma cosa succederebbe se fosse possibile aumentare le probabilità al 50-50 o addirittura a due su tre? Sui 48 miliardi di dollari di investimenti VC che sono stati realizzati nel 2014, tale miglioramento potrebbe sicuramente impedire di perdere enormi quantità di denaro legato a startup che non hanno mai avuto una reale possibilità di sopravvivere in un ambiente competitivo duro. La sfida è di individuare i probabili ritardatari molto prima che il mercato possa rifiutare la loro idea e, forse ancora più importante, vedere i grandi successi prima di chiunque altro.

Questione di metodo

Il mercato del capitale di rischio si è sempre basato su metodi intuitivi e soggettivi, ma qualcosa sta cambiando. Sempre più aziende di VC coinvolgono processi scientifici di analisi ed elaborazione dati nel loro processo decisionale.

Hambrecht, che ha avviato una banca d’investimento nel 1968, sicuramente non è tra i primi venture capitalist che ci si aspetterebbe di trovare nella lista dei sostenitori degli algoritmi. Eppure, a partire da quest’estate, in qualità di partner di WR Hambrecht Ventures, il braccio destro della IPO WR Hambrecht Specialist and Company, il leggendario William ha lavorato a stretto contatto con Thomas Thurston su una strategia di investimento che combina la modellazione predittiva e la teoria dell’innovazione distruttiva di Clayton Christensen. Thurston, un ex business manager di Intel, è anche il fondatore di Growth Science, una società che sta cercando di trovare gli strumenti per rispondere a una fondamentale domanda: «Come possiamo prevedere se l’innovazione resterà in vita o sarà piuttosto vocata al fallimento»? E ciò vale sia per le startup, sia per le società che intendono lanciare nuovi prodotti. Growth Science utilizza database, elaborazione dati e algoritmi per comprendere quali siano le probabilità di successo delle nuove tecnologie. Ogni azienda in cui WR Hambrecht Ventures investe ha superato positivamente l’analisi del motore di previsione di Growth Science. Si tratta di un processo decisionale che non coinvolge al suo interno alcuna soggettività umana.

Leggi anche:  Bflows tra le startup italiane selezionate dall’OVHcloud Startup Program

Quando decidono gli algoritmi

Il fatto che la risposta sia positiva o negativa, dipende da un sacco di fattori, e Thurston ritiene che si possano dividere in due categorie: fattori endogeni ed esogeni. «Soltanto il 20% del valore predittivo proviene dai fattori interni alla startup, mentre l’80% proviene da fattori esterni quali il mercato, la clientela, la concorrenza, il trend della tecnologia e la tempistica». È un modello dinamico e non statico, proiettato più verso il cambiamento che non verso la situazione corrente.

Ma quali sono i risultati? È ancora troppo presto per dire come stia andando WR Hambrecht Ventures. In genere, ci vogliono dai 10 ai 15 anni perché un VC abbia un ritorno economico e Hambrecht sta utilizzando questo metodo da otto anni. Per ora, i segnali sono positivi: tra gli investimenti di Hambrecht risulta Tango, un servizio di messaggistica del valore di 1,5 miliardi di dollari. Secondo Hambrecht, «i portafogli sono fino a cinque volte superiori, senza ancora quotarsi sul mercato». Un altro aspetto di Growth Science è il suo lavoro con le aziende affiliate quali Intel, 3M, Cray computer, e poche altre.

Queste aziende pagano Growth Science per avere l’accesso al suo motore di previsione. Accedendo al sito web, possono rispondere a una serie di domande circa un’innovazione o una nuova attività di particolare interesse. A valutazione avvenuta, Growth Science invia una risposta con l’analisi delle probabilità di successo.

Un modello per prevedere il futuro?

Ron Hoffner, senior manager del gruppo di sviluppo strategico di 3M, una multinazionale di ricerca e innovazione, ha utilizzato il modello di Growth Science in diversi ambienti, come le startup, il campo delle fusioni e acquisizioni, il mercato dell’innovazione. Hoffner ha lavorato nel laboratorio di innovazione di United Health, cercando di elaborare tecniche di ricerca per ridurre l’incertezza sui mercati. Secondo Hoffner un modello basato sugli algoritmi dovrebbe rispondere a tre domande chiave su un nuovo prodotto o su una nuova innovazione: «È sufficientemente ampio il mercato? È la giusta tecnologia? L’approccio tentato è coerente con il modello business della società? Tutte queste domande nascono da un solo intento: quello di prevedere il futuro. Secondo l’analisi di Thurston, basata sui dati di Small Business Administration (SBA), soltanto una percentuale tra il 20 e il 30% delle nuove imprese riesce a sopravvivere al loro decimo compleanno. Il modello di Growth Science sarebbe capace – invece – di prevedere con una precisione del 67% se una startup è in grado di sopravvivere o meno dopo dieci anni. A questo punto, si tratta di capire come e se il modello di Growth Science abbia veramente migliorato le probabilità di investire nelle società giuste. Non mancano tuttavia gli scettici nel mondo dei VC. Tra questi, non si può non menzionare Ian Sigalow, co-fondatore e partner di Greycroft Partners, una società di venture capital con uffici a New York e Los Angeles. Sigalow non è scettico nei confronti della tecnologia né potrebbe esserlo, dal momento che la sua azienda investe principalmente in Internet e app mobile, ma è diffidente riguardo l’idea di utilizzare i dati per giudicare ciò che accadrà da qui a dieci anni. «Nessuno è preveggente, né capace di prevedere quale sarà la sorte degli affari».

O per decidere meglio?

A differenza di Thurston, Sigalow non vede gli algoritmi come uno strumento capace di prevedere e minimizzare i rischi del futuro, quanto piuttosto come uno strumento di agevolazione per prendere decisioni migliori. Si sta verificando un cambiamento globale nel mercato del capitale di rischio. Gli algoritmi potrebbero essere la nuova arma vincente per trasformare radicalmente il settore dei VC. Si sente sempre più parlare di automazione, dinamismo, intelligenza artificiale ed ecco che tutto ciò penetra anche nel sistema economico.

Leggi anche:  Motus Operandi la startup dal cuore italiano che grazie all’IA pilota i robot nelle fabbriche di mezzo mondo

Tra i big dei venture capital che hanno iniziato a usare gli algoritmi c’è sicuramente Google Ventures che utilizza un algoritmo per migliorare il processo decisionale di investimento. Anche Correlation Venture, una società della Silicon Valley, si basa su una strategia di investimento algoritmica. Eppure, rimane ancora qualcuno che ritiene che il vecchio processo di ricerca dettagliato insieme al giudizio umano abbia ancora molto da offrire. È questo il caso per esempio di Lux Research, una società di consulenza emergente a Boston. Negli ultimi dieci anni, gli analisti di Lux Research hanno esaminato il panorama di business per le nuove imprese tecnologiche, intervistando i dipendenti di queste imprese. La società ha analizzato cinque anni di statistiche e ha osservato che il 50% delle aziende che hanno ottenuto la valutazione “positiva” ha continuato ad avere successo. Pertanto, i modelli tradizionali di selezione delle startup non sono stati ancora abbandonati e probabilmente non saranno mai abbandonati del tutto. Occorre – però – prendere atto del fatto che l’innovazione possa migliorare il presente senza il rischio di distruggerlo.

L’intelligenza artificiale non sarà la risposta a tutti i problemi dei VC. Questo è certo, ma potrebbe essere senza dubbio lo strumento adatto per veicolare un cambiamento all’interno dei VC. L’uomo rimane al centro, ma questa volta non sarà da solo a prendere le decisioni: ci saranno gli algoritmi ad aiutarlo a fare la scelta giusta.